28. MÉLYSÉGI BEJÁRÁS

Hasonló dokumentumok
Algoritmusok és adatszerkezetek 2.

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

23. SZÉLESSÉGI BEJÁRÁS

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK

Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}

Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}

Adatszerkezetek II. 2. előadás

Gráfok bejárása. Szlávi Péter, Zsakó László: Gráfok II :17

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

GRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus

24. MINIMÁLIS KÖLTSÉGŰ UTAK I.

Diszkrét matematika 2.C szakirány

Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}

Diszkrét matematika 2.C szakirány

Ramsey-féle problémák

Diszkrét matematika 2. estis képzés

Alapfogalmak II. Def.: Egy gráf összefüggő, ha bármely pontjából bármely pontjába eljuthatunk egy úton.

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3

22. GRÁFOK ÁBRÁZOLÁSA

Gráfalgoritmusok ismétlés ősz

Diszkrét matematika 2.

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2.C szakirány

7. BINÁRIS FÁK 7.1. A bináris fa absztrakt adattípus 7.2. A bináris fa absztrakt adatszerkezet

Algoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y.

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

III. Gráfok. 1. Irányítatlan gráfok:

Diszkrét matematika 2. estis képzés

... fi. ... fk. 6. Fabejáró algoritmusok Rekurzív preorder bejárás (elsőfiú-testvér ábrázolásra)

Diszkrét matematika 2. estis képzés

1/50. Teljes indukció 1. Back Close

ELTE IK Esti képzés tavaszi félév. Tartalom

Diszkrét matematika 1. estis képzés

2. Visszalépéses keresés

Adatszerkezetek II. 3. előadás

Diszkrét matematika 2.C szakirány

Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.

A számítástudomány alapjai

29. Visszalépéses keresés 1.

Diszkrét matematika 2.

GRÁFOK ÉS ALGORITMUSOK ELMÉLETE VIZSGAKÉRDÉSEK Matematika BSc Elemző szakirány II. év 1. félév

Programkonstrukciók A programkonstrukciók programfüggvényei Levezetési szabályok. 6. előadás. Programozás-elmélet. Programozás-elmélet 6.

Diszkrét matematika 2.

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

KOVÁCS BÉLA, MATEMATIKA I.

bármely másikra el lehessen jutni. A vállalat tudja, hogy tetszőlegesen adott

Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei

(Diszkrét idejű Markov-láncok állapotainak

EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF

Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel)

15. A VERSENYRENDEZÉS

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

2. Visszalépéses stratégia

Gráfok. Programozás II. előadás. Szénási Sándor.

Adatszerkezetek II. 1. előadás

KOVÁCS BÉLA, MATEMATIKA I.

A zsebrádiótól Turán tételéig

V. Kétszemélyes játékok

Diszkrét matematika 1. estis képzés

Diszkrét matematika 2.C szakirány

A C, C+, D és D+ kategória játékának megoldása (matematika, osztályosok)

32. A Knuth-Morris-Pratt algoritmus

A DFS algoritmus. Összeállította: Szeszlér Dávid, c BME Számítástudományi és Információelméleti Tanszék, 2015, 2016.

SzA II. gyakorlat, szeptember 18.

Gráfelméleti alapfogalmak

Hamilton-út, Hamilton-kör-1

Általános algoritmustervezési módszerek

HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (

Más szavakkal formálisan:, ahol olyan egész szám, hogy. Más szavakkal formálisan:, ahol olyan egész szám, hogy.

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Diszkrét matematika 2.

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

Rekurziók, algoritmusok 5-8. osztályban már bőven el lehet kezdeni. Erdős Gábor

HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

KOMBINATORIKA ElŐADÁS Matematika BSc hallgatók számára. Klikkek gráfokban-1. Definíció. Egy G gráfban egy K V(G) csúcshalmazt klikknek nevezünk, ha K

ALAPFOGALMAK 1. A reláció az program programfüggvénye, ha. Azt mondjuk, hogy az feladat szigorúbb, mint az feladat, ha

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Kétszemélyes játékok Gregorics Tibor Mesterséges intelligencia

A 2017/2018 tanévi Országos Középiskolai Tanulmányi Verseny második fordulójának feladatai. INFORMATIKA II. (programozás) kategória

Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.

Diszkrét matematika 2. estis képzés

Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna

Számítógép és programozás 2

5. SOR. Üres: S Sorba: S E S Sorból: S S E Első: S E

Véges automaták, reguláris nyelvek

Diszkrét matematika 2.C szakirány

Logika és számításelmélet. 11. előadás

III. osztály 1 Orchidea Iskola IV. Matematika verseny 2011/2012 II. forduló

Halmazelméleti alapfogalmak

A gráffogalom fejlődése

Algoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

Gráfalgoritmusok 3 Néhány probléma modellezése gráfokkal 3 Alapfogalmak, jelölések 7 Gráfok ábrázolása 9 Bejárási stratégiák, szélességi bejárás 15

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

A számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem

Átírás:

28. MÉLYSÉGI BEJÁRÁS A gráfok két alapvető bejárási módja közül a mélységi bejárás ismertetése következik. A másik stratégiát, a szélességi bejárást a 23. fejezetben láttuk. Ott idéztük a Rónyai-Ivanyos-Szabó szerzőhármas Algoritmusok című könyvében olvasható szemléletes leírást a bejárási stratégiákról, illetve csak az egyikről: arról, amelyik a szélességi bejárást illusztrálja. Most idézzük a könyvből azt a módszert, amely mélységében igyekszik a városka lámpáit elérni. Az irodalmi párhuzam után természetesen szabatosan megfogalmazzuk gráfokra is a feladatot, megadjuk és elemezzük annak megoldó algoritmusát. 28.1. A mélységi bejárás stratégiája Az öreg városka girbe-gurba utcáin bolyongó kopott emlékezetű lámpagyújtogató másik eljárása a köztéri lámpák meggyújtására a mélységi bejárás elvét követei. Megint csak szabadon és tömören idézve a könyv szövegét, a lámpagyújtogató az első, majd a további lámpák felgyújtása után mindig egy olyan utcán indul tovább, amelyikben még nem lát fényt, és elérve a következő sarokhoz, meggyújtja az ott elhelyezett lámpát. Ha egy lámpa alól körülnézve már minden onnan kiinduló utcából fényt lát, akkor visszamegy arra, ahonnan ide érkezett, és onnan egy még meg nem gyújtott lámpa irányába indul. Ha ilyet nem lát, akkor innen is visszamegy a megelőző sarokra. Egy idő után visszaért eredeti kiinduló helyére, és ekkor már minden innen elérhető köztéri lámpa világít. A leírásból a stratégia mellett kiemelünk három további jellemzőt. Míg az másik lámpagyújtogatási módszer végrehajtásában segítségére volta barátai, addig ezt az eljárást egyedül végezhette. A kopott emlékezetének itt valóban szerep jut, hiszen csak annyit kell megjegyeznie, hogy egy lámpához melyik utcán érkezett. A szöveg utal arra is, hogy a tevékenységét bárhol elkezdheti, nincs olyan meghatározott kiinduló pont, mint a barátokkal együttműködve a főtér volt. Ha fentről néznénk a várost, ahogy kigyulladnak a lámpák, ezúttal azt látnánk, hogy egy pontból egy útvonal mentén terjed a világosság. Azután ez egy egyenletes ütemű terjedés megáll, és a visszasétálás idejét kivárva, világító lámpák útvonalának egy pontjából újra elindul a lámpagyújtási tevékenység egy útvonalon. Ez mélységi bejárásnak a szemléletes alapelve, amelyet a fejezet végén elhelyezett 28.11. ábra illusztrál egy (csaknem kisvárosi kiterjedésű) gráfon, néhány pillanatfelvétel formájában. 28.2. A mélységi bejárás szemléltetése A mélységi bejárás kidolgozása felé lépve, megkülönböztetjük a csúcsok státuszát. Erre több, szemléletében különböző módszerrel találkozhatunk, amelyek végső ugyanazt a célt érik el. Itt a színezés eszközével élünk és három színt használunk. Attól függően színezzük a csúcsokat, hogy az illető csúcsot illetően a bejárás milyen fázisban van. Egy csúcs legyen fehér, ha még nem jutottunk el hozzá a bejárás során (kezdetben minden csúcs fehér). Egy csúcs legyen szürke, ha a bejárás során már elértük a csúcsot, de még nem állíthatjuk, hogy az illető csúcsból elérhető összes csúcsot meglátogattuk. A csúcs legyen fekete, ha azt mondhatjuk, hogy az illető csúcsból elérhető összes csúcsot már meglátogattuk és visszamehetünk (vagy már visszamentünk) az idevezető út megelőző csúcsára

A bejárás során tároljuk el, hogy egy csúcsot hányadikként értünk el, azaz hányadikként lett szürke és tároljuk el azt is, hogy hányadikként fejeztük be a csúcs, és a belőle elérhető csúcsok bejárását, azaz a csúcs hányadikként lett fekete. Az említett számokat nevezzük mélységi, illetve befejezési számnak, amelyeket az ábrákon a csúcsok címkéi alatt jelenítünk meg. (Alternatív szóhasználat: belépési, illetve kilépési számok.) Utalunk arra, hogy ezeknek a számoknak lényeges szerep jut majd az élek osztályozásánál. A 28.1-4. ábrákon egy gráf mélységi bejárását követhetjük végig. (Az ábrasort egyben, szöveges megszakítás nélkül találjuk meg alább.) A példában szereplő gráfon a csúcsokból kimenő élek feldolgozási sorrendje legyen a rákövetkező csúcsok címkéje szerint növekedően, vagyis alfabetikusan rendezett (például a láncolt ábrázolásnál az éllista a csúcsok címkéje szerint rendezett). Nézzük a 28.1. ábrát, amelyben a kezdőcsúcs legyen az 1-es csúcs. Legyen kezdetben minden csúcs fehér, és a mélységi és befejezési számuk is legyen az extremális 0. A kezdőcsúcsot érjük el elsőként, tehát színezzük szürkére, és a mélységi számát állítsuk be 1-re. 28.1. ábra. A mélységi bejárás végrehajtása az első visszalépésig

28.2. ábra. A további csúcsok feltérképezése a bejárás során

28.3. ábra. A visszalépések végrehajtása a kiinduló csúcsig

28.4. ábra. A mélységi bejárás végső lépései Az 1-es csúcsból három él vezet ki, de a kikötöttük, hogy az élek feldolgozási sorrendje legyen a szomszéd csúcsok címkéje szerint növekedően rendezett. Ekkor a 2-es csúcsot érjük el másodikként. Ezután harmadikként a 4-es csúcs, majd negyedikként a 8-as csúcs következik. Mivel a 8-as csúcsnak egyáltalán nincs szomszédja, bejárását befejeztük és a csúcsot feketére színezzük. Mivel a bejárás során a 8-as csúcs lett elsőként fekete, a befejezési száma 1-es lesz. A bejárás során eddig megtett utunk 1, 2, 4, 8. Most menjünk vissza az utolsó előtti 4-es csúcsra (lásd: 28.2. ábra). Mivel a 4-es csúcsnak sincs meg nem látogatott szomszédja, így ennek csúcs bejárását is befejeztük; színezzük a csúcsot feketére, és a bejárási számát állítsuk 2-re. Menjünk vissza a 2-es csúcshoz. A 2-es csúcsnak két olyan szomszédja is van, amelyet még nem látogattunk meg. Lépjünk a kisebb címkéjű csúcsba. Az 5-ös csúcs bejárását harmadikként fejezzük be. A 2-es csúcsból a bejárást a 6-os csúcs irányába folytatjuk. Tovább haladva, hetedikként elérjük a 9-es csúcsot (lásd: 28.2. ábra). Nyolcadikként következik a 7-es csúcs. Mivel a 3-as csúcs még fehér, azt érjük el kilencedikként A 3-as csúcsból a 6-os csúcsba vezet él, azonban a 6-os csúcsot már bejártuk, a színe már nem fehér, erre már nem folytatjuk a bejárást. Mivel a 3-as csúcsból már nem vezet él fehér csúcsba, így a 3-as csúcs bejárását is befejeztük (lásd: 28.3. ábra). Visszamegyünk a 7-es csúcsba, ahol a sorrendben következő él, a (7,8) mentén látjuk, hogy a 8-as csúcs színe már fekete. Mivel a 7-es csúcsnak nincs fehér szomszédja, így ötödikként befejeztük a bejárását. A 9-es csúcsnak a bejárását is befejeztük. Az úton ismét egy csúccsal visszamegyünk és befejezzük a 6-os csúcsot is. A 2-es csúcsra lépve, látható, hogy minden kimenő éle mentén már próbálkoztunk, így nyolcadikként azt is elhagyjuk. Az 1-es csúcsra lépve megvizsgáljuk a 3-as csúcsot, amely már bejárt csúcs. Ezután az előzőhöz hasonlóan még megvizsgáljuk a maradék (1,4) él mentén a 4-es csúcsot, de annak színe sem fehér. Az 1-esből kimenő összes él mentén megvizsgáltuk a továbblépési lehetőségeket, így az 1-es csúcsot utolsóként elhagyva befejeztük a bejárást.

28.3. A mélységi bejárás algoritmusa Legyen G = (V, E) irányított vagy irányítatlan véges gráf, ahol V = {1, 2,, n}. Továbbá, definiáljuk az alábbi tömböket: szín[1 n]: az ADS szintű színezés megvalósítására; mszám[1 n] és bszám[1 n]: az ADS szinten említett mélységi és befejezési számok nyilvántartására; P[1 n]: a bejárás során, egy csúcs megelőző csúcsának a nyilvántartására (a korábban látottakhoz hasonlóan, lásd például: szélességi bejárás vagy Dijkstra-algoritmus). Az előző példában úgy kezdtük a bejárást, hogy kijelöltünk egy kezdőcsúcsot, amelyből kiindulva történetesen az összes csúcs elérhető volt mélységi bejárással. Egy másik példában előfordulhatna, hogy lennének olyan csúcsok, amelyeket egyáltalán nem tudnánk elérni egy kiválasztott startcsúcsból. A későbbi alkalmazások érdekében a mélységi bejárást úgy definiáljuk, hogy az a gráf minden pontjához eljusson. Az algoritmus működésének nem feltétele egy kezdőcsúcs megadása, azt az eljárás keretében magunk tetszőlegesen választjuk meg, kívülről nézve véletlen jelleggel. Miután minden, ebből elérhető csúcsot bejártunk, visszajutottunk az említett kezdőpontba. Ha maradt olyan csúcs, amelyet a bejárás nem ért el, azaz színe fehér maradt, akkor választunk közülük egy következőt és abból kiindulva újra elvégezzük a mélységi bejárást. Ezt az eljárást addig folytatjuk, amíg van fehér csúcsunk. Nyilván minden ilyen menetben legalább egy csúcsot átszínezünk feketére, tehát véges számú menet után elfogynak a fehér csúcsok. Elegendő a csúcsok halmazán egyszer végigmenni (a gyakorlatban a csúcsok címkéje szerinti növekedően), és ha egy csúcs színe fehér, akkor onnan indítsunk egy bejárást. Tehát az algoritmust bontsuk két részre, vagy inkább két szintre. Az egyik szintet az a rekurzív belső algoritmus valósítja meg (lásd: 28.6. ábra), amely egy megadott kezdőcsúcsból indítja a bejárást, ez lesz az MB(u) eljárás. A másik, külső algoritmus, (lásd: 28.5. ábra) végigveszi a gráf pontjait, és minden fehér csúcsra elindítja az előbbi eljárást. Az pontból induló MB(u) mélységi bejárásra egyszerű rekurzív definíciót adni, amely szerint az u csúcsot pontosan akkor jártuk be, ha az összes szomszédját bejártuk. Ennek alapján az MB(u) eljárást rekurzív formában adjuk meg. A rekurzív eljárás önmagát hívja meg egy csúcs szomszédjaira, azzal a kijárattal, hogy csak fehér színű csúcs esetén történik hívás. 28.5. ábra. A mélységi bejárás külső algoritmusa

28.6. ábra. A mélységi bejárás belső algoritmusa Az MB(u) eljárás futása során feljegyezzük a P tömbbe egy csúcs megelőzőjét, így egy u csúcsból kiinduló, úgynevezett mélységi feszítőfát kapunk. A 28.1. fejezet példáján az 1-es csúcsból kiinduló mélységi faként a 28.7. ábrán látható gráfot kapjuk. Összességében, pedig a P tömbben feljegyzett megelőzési reláció, G egy- esetleg több fából álló részgráfját adja, amelyet mélységi erdőnek nevezünk. Definíció. Legyen G = (V, E) irányított, véges gráf. A G mélységi bejárása után a P-ben keletkező megelőzési reláció által ábrázolható irányított T részgráfot, a G gráf egy mélységi erdőjének nevezzük. 28.7. ábra. A mélységi erdő A mélységi bejárás műveletigényének meghatározásakor elegendő azt figyelembe venni, hogy egyrészt minden u csúcsra pontosan egyszer hívjuk meg az MB(u) eljárást, másrészt az eljárásban a csúcsnak minden szomszédját vizsgáljuk, ami összesen annyi vizsgálatot jelent, mint ahány éle van a gráfnak, így T(n) = O(n + e).

28.4. Élek osztályozása a mélységi bejárás szerint A mélységi bejárás során felfedezett éleket különböző kategóriákba sorolhatjuk. Ezek ismertetése előtt azonban tisztáznunk kell néhány alapfogalmat és állítást. Definíció. Legyen T a G = (V, E) gráf egy mélységi erdője, és u, v V csúcsok. A v leszármazottja u-nak T-ben, ha u v T-beli irányított út. Állítás. (a leszármazottság szükséges feltétele): Legyen T a G = (V, E) gráf egy mélységi erdője, u, v V csúcsok, u v, és v leszármazottja u-nak T-ben, akkor mszám[v] > mszám[u]. Bizonyítás. Tegyük fel, hogy v leszármazottja u-nak T-ben, tehát u v út T-ben. Ez az út úgy keletkezik, hogy az út (u, v) éleinek vizsgálatakor, szín[v] = fehér csúcsok esetén a P tömbbe bejegyzésre kerül a megelőző u csúcs, majd meghívjuk az MB(v) eljárást, ahol a v csúcs legalább egyel megnövelt mélységi szám értéket fog kapni. Állítás. (leszármazottság szükséges és elégséges feltétele): Legyen T a G = (V, E) gráf egy mélységi erdője, u, v V csúcsok, u v. Ekkor mszám[y] > mszám[x] és bszám[y] < bszám[x] akkor, és csak akkor, ha v leszármazottja u-nak T-ben. Bizonyítás. A mélységi és befejezési számok viszonyából következik, hogy előbb meghívtuk az MB(u) eljárást, majd még mielőtt végett ért volna az u szomszédainak rekurzív bejárását végző ciklus, meghívtuk MB(v)-t, amely teljes egészében lefutott, majd csak ez után terminálhatott az említett ciklus. Ez akkor lehetséges, ha létezik egy olyan w V csúcs, hogy az MB(w) eljárásban hívtuk meg MB(v)-ot, és P[y] = w bejegyzésre kerül. Továbbá a w csúcs olyan, hogy w = v (azaz w szomszédja u-nak) vagy MB(w) lefutása is teljesül, amit az MB(v)-ról az előbb említettünk. Ezt a gondolatmenetet addig folytathatjuk, míg w = u nem lesz, miközben láthatjuk, hogy a P tömb bejegyzései által reprezentált irányított úton haladunk visszafelé (a rekurzív hívási fán haladunk felfelé). Tehát ez az út igazolja, hogy v leszármazottja u-nak T-ben. Állítás. (Fehér út tétel): Legyen T a G = (V, E) gráf egy mélységi erdője, u, v V csúcsok, u v. Ekkor v leszármazottja u-nak T-ben akkor, és csak akkor, ha u elérésekor a v elérhető az u-ból, az u kivételével csak fehér csúcsokat tartalmazó úton. Bizonyítás. : Legyen v leszármazottja u-nak. Ekkor u v T-beli út, amelynek mentén minden csúcs leszármazottja u-nak. Ezen fabeli út minden w csúcsára teljesül, hogy mszám[w] > mszám[u], azaz minden w csúcsot később érünk el, mint az u-t. Tehát az u elérésekor a w leszármazott csúcsok még fehérek. : Tegyük fel, hogy u elérésekor létezik v-be vezető fehér csúcsokból álló út, legyen w egy ilyen út első olyan csúcsa, amelyet az u szomszédait felsoroló ciklusban elérünk, azaz meghívjuk az MB(w) eljárást. Az u csúcs már szürke és w még fehér, ezért w-t később érjük el, mint u-et, tehát mszám[w] > mszám[u]. Továbbá MB(u) belsejéből hívtuk meg MB(w)-t tehát MB(w) előbb lefut, mint MB(u), azaz bszám[w] < bszám[u]. Tehát a korábbi állítás szerint w leszármazottja u-nak. Azonban feltettük, hogy w-t érjük el először az v-hez vezető úton, tehát az út többi csúcsa v elérésekor még fehér, így a v u útra hasonlóan alkalmazható a fenti rekurzív gondolatmenet (míg el nem jutunk az u u útig). Miután beláttuk, hogy w leszármazottja u-nak és v leszármazottja w-nek, tehát v leszármazottja u-nak. Megjegyzés. Ha u = v, akkor triviálisan teljesül a kölcsönös leszármazottság.

A leszármazott fogalmát kihasználva az éleket a következő osztályokba sorolhatjuk a mélységi bejárás szerint. Legyen T a G = (V, E) gráf egy mélységi erdője, és u, v V csúcsok. Az (u, v) E él 1. faél, ha (u, v) éle T-nek; 2. előreél, ha (u, v) nem éle T-nek, de v leszármazottja u-nak T-ben, és u v; 3. visszaél, ha u leszármazottja v-nek T-ben ((u, v) nem éle T-nek, ide tartozik u = v hurokél is); 4. keresztél, ha u és v nem leszármazottai egymásnak T-ben. Az éltípusokat az eljárás végrehajtása közben tudjuk megállapítani, az mszám és bszám értékek segítségével, ahogy az állítások esetében láttuk. Állítás. Tegyük fel, hogy G = (V, E) irányított véges gráf mélység bejárása során éppen az (u, v) E vizsgálatánál tartunk. Ekkor (u, v) él 1. faél, ha mszám[v] = 0; 2. előreél, ha mszám[v] > mszám[u]; 3. visszaél, ha mszám[v] mszám[u] és bszám[v] = 0; 4. keresztél, ha mszám[v] < mszám[u] és bszám[v] = 0. Bizonyítás 1. mszám[v] = 0 azt jelenti, hogy most érjük el a v csúcsot, azaz a csúcs még fehér. Továbbá az (u, v) él mentén jutunk az v csúcsba, mint u szomszédja, amely az MB(u) u szomszédait felsoroló ciklusában, az elágazás bal oldali ágában lehetséges, ahol valóban a P tömbbe bejegyzésre kerül az él, tehát faél lesz. 2. mszám[v] > mszám[u] és mszám[u] > 0, így mszám[v] > 0, tehát v nem fehér (így az él nem lehet faél). Továbbá a mélységi számok viszonyából következik, hogy az MB(v)-t később hívtuk meg, mint az MB(u)-t, de az MB(u) még nem fejeződött be. Így az MB(v) meghívása, az MB(u) eljárás (u szomszédait felsoroló ciklusában, valamely szomszédra meghívott MB eljárásban, vagy annak rekurzív leszármazottjában történt, az (u, v) él vizsgálata előtt. Azonban az (u, v) él vizsgálata a ciklus egy későbbi iterációjában történik, tehát az MB(v)-nek mostanra be kellet fejeződnie, de az MB(u) még csak ezek után fog befejeződni bszám[v] < bszám[u]. 28.8. ábra. Előreél detektálása (rózsaszínnel jelölve)

Korábbi állításunkat felhasználva beláthatjuk, hogy v leszármazottja u-nak T-ben, és láttuk, hogy nem lehet faél, tehát előreél. Láthatjuk a 28.1. fejezetben vizsgált példán, hogy az 1-es csúcsból a 3-as csúcsba vezető él feldolgozásakor a 3-as csúcshoz már eljutottunk az 1, 2, 6, 9, 7, 3 úton. Tehát a 3-as leszármazottja az 1-nek, és az (1,3) él nem faél, tehát előreél (28.8. ábra). 3. Ha mszám[v] = mszám[u], akkor (u, v) hurokél, ami triviálisan visszaél. Ha mszám[v] < mszám[u] és bszám[v] = 0, akkor a v bejárása elkezdődött, de még nem fejeződött be. Elkezdtük az u bejárását, amelynek során vizsgáljuk az (u, v) élt. Tehát az v bejárása során jutunk el az u-hoz, azaz u leszármazottja v-nek. Az MB(v) eljárásban, vagy annak valamely rekurzív leszármazottjában hívtuk meg az MB(u)-t, tehát az MB(u)-nak előbb kell befejeződnie, mint az MB(v)-nek. A 28.9. ábrán a (3,6) él visszaél. 28.9. ábra. Visszaél detektálása (piros színnel jelölve) 4. mszám[v] < mszám[u] szükséges feltétele, hogy u leszármazottja legyen v-nek, de az v bejárása befejeződött (bszám[v] > 0), míg az u bejárása még nem, tehát a bszám[u] csak nagyobb lehet bszám[v]-nél, azaz az elégséges feltétel nem teljesül. Tehát u és v nem leszármazottai egymásnak T-ben, amiből következik, hogy (u, v) él keresztél. A 28.10. ábrán a (7,8) élt, mint keresztélt detektáltuk. 28.10. ábra. Keresztél detektálása (zöld színnel jelölve)

28.5. A mélységi bejárás egy illusztrációja Az alábbi pillanatfelvételek inkább az idézett irodalmi leírás illusztrálásához készültek, minthogy a gráfos algoritmus működést részletesen egy másik ábrasoron mutattuk be.

28.11. ábra. Mélységi bejárás egy gráfon (illusztráció a kisváros lámpáihoz )